Synthèse vocale

La première opération à réaliser par un logiciel de synthèse vocale est de transcrire le texte, généralement rédigé sous une forme orthographique, en une séquence de phonèmes, qui représentent précisément les sons qui doivent être prononcés. La technique classique pour réaliser la transcription phonétique est d'appliquer suite à lettres composant le texte une série de règles de réécritures dépendant du contexte. En français, mais toujours plus en anglais, il est aussi indispensable de connaître la catégorie grammaticale de certains mots : par exemple dans la phrase "les présidents président" la catégorie grammaticale du mot "président" détermine sa voyelle finale ("e" muet ou "an"). Enfin pour les mots dont la prononciation n'est pas régulière, et surtout pour les noms propres, on stocke tout simplement leur transcription phonétique dans un lexique d'exception.

Formants

La synthèse par formant repose typiquement sur la description des trois premiers formants du spectre de la parole. Chaque formant (maximum du spectre de parole) est classiquement décrit par trois paramètres, sa fréquence (en Hz), son amplitude (en dB) et sa bande passante (en Hz). L'amplitude représente l'intensité du signal à la fréquence du formant alors que la bande passante représente la largeur du spectre autour du maximum formantique.

Intonation et prosodie

On entend par intonation d'une phrase le parcours mélodique de la voix au cours de la prononciation de la phrase. L'intonation se mesure par la fréquence principale de la voix. C'est une fréquence variable au cours du temps correspondant à la fréquence de vibration des cordes vocales pendant l'énonciation de la phrase, et qui s'observe facilement comme la périodicité du signal vocal. Typiquement la fréquence principale d'une voix masculine possède une plage de variation dans la zone des 80 Hz à 150 Hz alors que celle d'une voix féminine se situera plutôt dans la zone des 140 Hz à 200 Hz.

L'intonation est une caractéristique importante de la voix naturelle, qui dépend aussi particulièrement fortement de la langue concernée et du contenu linguistique de la phrase. Pour les langues à tons comme le chinois mandarin ou cantonnais, l'intonation conditionne même le sens des mots. En français, plus simplement, elle est une caractéristique reliée au type de phrase (affirmative, impérative, interrogative) ainsi qu'à la position des mots dans la phrases (intonation descendante en fin de phrase), et quelquefois reliée à la mise en valeur de certains mots (emphase). En tout cas, pour donner une impression de voix naturelle, la voix synthétique doit s'efforcer d'imiter l'intonation naturelle, ainsi qu'à l'inverse un énoncé synthétisé sans intonation est perçu comme anormal, ainsi qu'à la limite une voix synthétisée avec une fréquence principale totalement constante, est perçue comme complètement artificielle ("voix de robot").

L'intonation forme l'un des trois éléments de la prosodie, les deux autres paramètres prosodiques étant le rythme et l'intensité. En réalité, pour être perçue comme naturelle, la synthèse vocale nécessite d'imiter une prosodie naturelle dans son ensemble. Ceci nécessite de reproduire aussi un rythme naturel, c'est-à-dire une durée naturelle des sons élémentaires (phonèmes). Quant à l'intensité, qui correspond aussi au volume sonore, elle nettement moins critique que l'intonation ou le rythme pour obtenir un rendu naturel.

Diphones

Un diphone représente la transition entre deux phonèmes successifs.

Voir aussi

• Lecteur d'écran
• Reconnaissance vocale
• Vocalisation
• Vocoder

Liens externes

• Vocal News Toute l'actualité des technologies vocales sur un BLOG dédié.

Démos en ligne

• Demo de la synthèse vocale par Loquendo

• Démonstration de la synthèse vocale de SVOX

• Démonstration de synthèse vocale par VoxWeb

• Podcast en synthèse vocale par ReadSpeaker

• Démonstration de la synthèse vocale par sélection d'unité de la société Européenne Acapela Group

• Démonstration de la synthèse vocale de la société Américaine Cepstral

• Démonstration de la synthèse vocale de Nuance (RealSpeak)

• Démonstration de la synthèse vocale de la société italienne Loquendo

• Démonstration en ligne de Synthèse Vocale de SitePal

• Démonstration de la synthèse vocale de Multitel ASBL

• Démonstration de la synthèse vocale de Pediaphon (synthèse vocale des articles de Wikipédia en français)

• Démonstration de la synthèse vocale d'Orange Labs